Sudah mengikuti langkah terbaru Nvidia dan Jensen Huang baru saja mengeluarkan beberapa pendapat yang cukup berani tentang ke mana pengeluaran AI benar-benar menuju. Platform Vera Rubin yang mereka luncurkan di paruh kedua tahun ini benar-benar mengesankan - kita berbicara tentang 75% GPU lebih sedikit yang dibutuhkan untuk pelatihan dibandingkan Blackwell, ditambah biaya inferensi dipangkas hingga 90%. Itu bukan peningkatan bertahap, itu lompatan yang signifikan.

Yang lebih menarik perhatian saya adalah komentar Huang tentang skala peluang. Dia pada dasarnya mengatakan bahwa infrastruktur komputasi klasik secara historis berjalan sekitar $400 miliar setiap tahun, tetapi beban kerja AI membutuhkan kapasitas sekitar seribu kali lebih banyak. Itu... banyak. Pada tahun 2024 dia memperkirakan pengeluaran pusat data AI bisa mencapai $4 triliun setiap tahun pada tahun 2030. Pada saat itu terdengar gila, tetapi ketika Anda memikirkan apa yang sebenarnya diperlukan untuk menjalankan semua model ini, itu tidak lagi tampak tidak realistis.

Melihat angka-angkanya: Nvidia meraup pendapatan $215,9 miliar di tahun fiskal 2026, naik 65% dari tahun ke tahun. Bisnis pusat data secara khusus adalah $193,7 miliar dengan pertumbuhan 68%. Mereka memandu untuk $78 miliar di Q1 FY2027, yang akan 77% lebih tinggi dari tahun lalu. Perusahaan ini pada dasarnya mencetak uang saat ini, namun sahamnya diperdagangkan dengan P/E 36,1 - itu 41% di bawah rata-rata 10 tahun historisnya sebesar 61,6.

Melihat ke depan, konsensus Wall Street memperkirakan Nvidia akan mendapatkan laba $8,23 per saham di tahun fiskal 2027, yang menempatkannya pada P/E forward hanya 21,5. Indeks S&P 500 diperdagangkan pada 24,7 trailing. Jadi jika perkiraan laba tetap dan saham tidak bergerak, Nvidia sebenarnya bisa menjadi lebih murah daripada pasar yang lebih luas. Huang jelas bertaruh bahwa itu tidak akan terjadi - dan jujur saja, mengingat siklus pembangunan infrastruktur yang dia gambarkan, sulit untuk membantahnya.